Dockerfile

# 使用 CUDA 11.6 开发版镜像（Ubuntu 20.04），便于编译 CUDA 代码
FROM nvidia/cuda:11.6.1-cudnn8-devel-ubuntu20.04

# 安装必要的系统工具（wget、git、bzip2、ca-certificates 等）
RUN apt-get update && apt-get install -y --no-install-recommends \
    libgl1-mesa-glx \
    wget \
    git \
    bzip2 \
    ca-certificates \
    libglib2.0-0 \
    libxext6 \
    libsm6 \
    libxrender1 \
 && rm -rf /var/lib/apt/lists/*

# 安装 Miniconda 及编译工具
RUN apt-get update && apt-get install -y wget build-essential && \
    wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh && \
    bash Miniconda3-latest-Linux-x86_64.sh -b -p /opt/conda && \
    rm Miniconda3-latest-Linux-x86_64.sh && \
    apt-get clean && rm -rf /var/lib/apt/lists/*

# 将 Miniconda 加入 PATH
ENV CONDA_DIR=/opt/conda
ENV PATH=$CONDA_DIR/bin:$PATH

# 设置工作目录为 /workspace/mvipnerf
WORKDIR /workspace/mvipnerf

# 使用 conda 创建虚拟环境 mvipnerf（Python 3.8）
RUN conda create -n mvipnerf python=3.8 -y && \
    conda clean -afy

# 将 requirements 文件复制到工作目录下（确保文件名正确）
COPY requirements_df.txt ./

# 设置用于 tiny-cuda-nn 编译的目标 CUDA compute capabilities
ENV TCNN_CUDA_ARCHITECTURES="75,80,86,90"

# 在 mvipnerf 环境中安装 PyTorch 和其他依赖包
RUN /bin/bash -c "source /opt/conda/etc/profile.d/conda.sh && \
    conda activate mvipnerf && \
    pip install torch==1.13.1+cu117 torchvision==0.14.1+cu117 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu117 && \
    pip install -r requirements_df.txt && \
    pip install lpips && \
    pip install ConfigArgParse"

# 初始化 conda 到 bash 中，并在 .bashrc 中追加自动激活 mvipnerf 环境
RUN /opt/conda/bin/conda init bash && echo "conda activate mvipnerf" >> ~/.bashrc

# 设置默认使用 mvipnerf 环境中的 Python
ENV CONDA_DEFAULT_ENV=mvipnerf
ENV PATH=/opt/conda/envs/mvipnerf/bin:$PATH

# 声明挂载点，方便在运行容器时将本地工作目录挂载进来
VOLUME ["/workspace/mvipnerf"]

# 默认启动 bash（.bashrc 中自动激活 mvipnerf 环境）
CMD ["/bin/bash"]